Going Cloud攜手AWS 以AI Agent集中治理推動智慧製造

AWS資深合作夥伴架構師（Sr. Partner SA）Irving於議程中進行分享，深入解析如何運用Anthropic Claude在AWS平台上打造安全且具彈性的企業級 AI 關鍵基石。Going Cloud

企業剛習慣AI Chatbot，競局已邁入AI Agent時代：從人工操作走向任務代理與多代理協作。唯有深度嵌入業務流程，才能創造可量化價值。為此Going Cloud與AWS舉辦「Going Cloud|AWS布局新世代關鍵競爭力」論壇，集結雙方專家分享實戰，協助製造業掌握AI Agent浪潮。

Going Cloud總經理Andy Huang指出，AI的使命是驅動業務成長，而非否定既有成果。隨著需求從Chatbot實驗轉向RPA、ITAM與ML自動化，如何在Human-in-the-loop下運行，已成關鍵課題。治理、ROI、延遲、模型調校及版本控管是關鍵，轉型須在可控成本兼顧品質，讓AI為你工作、成為制度推手。

AI規模化第一關：治理與信任

AWS生成式AI業務開發資深專家Matt Yang指出，2026年全球AI支出達2.59兆美元，Agent軟體以2,065億美元、年增139%居首，年底前4成企業應用將內建Agent，台灣以高科技製造業為主要場域。AWS與Anthropic投入逾2,000億美元，建置7GW算力，並提出「一客戶、三介面」策略：Enterprise全員AI化，Platform支援研發創新，Amazon Bedrock提供生產級韌性及12個月模型保證。

UST以Claude Code導入iDEC驗證，週期由4天縮短至48小時。AWS資深夥伴架構師Irving Hsu補充，PwC調查顯示72%製造業嘗試AI，但僅一成規模化；挑戰不僅在資安，也包括37%缺乏統一數據策略，及78%主管對90天內通過稽核缺乏信心。

治理核心為「集中治理、分散創新」：以Amazon Bedrock為核心，AWS為唯一資料處理者，Anthropic不觸及客戶資料，結合最小權限、私有網路及客戶自管加密機制，確保資料不離Region，此即Going Cloud打造GCkit起點。

落地倚賴AWS CloudTrail稽核、Amazon CloudWatch監控與Amazon EventBridge阻斷，Model Invocation Logging由客戶自控；內容安全採用Amazon Bedrock Guardrails檢核與Claude原生「3H原則」（Helpful、Honest、Harmless），並配合RLHF紅隊測試。

Claude Desktop on Amazon Bedrock於7月9日上線，推論全程留於租戶內。Wipro PARI導入Amazon Bedrock與Claude 3.5 Sonnet，將Excel規格轉為IEC 61131-3 PLC梯形碼，週期由3∼4天縮短至10分鐘，準確率達85%，為200位工程師省5,000小時。

從PoC到Production  Agent開始創造價值

同樣的AI，是拿來「提問」還是「交辦」？Going Cloud AI與資料工程部資料科學家Jeffrey Hsieh指出，多數企業僅發揮AI約兩成能力——把它當成一問一答的搜尋框，真正被鎖住的8成，是「交辦任務、把整件事做完」的執行力，差距不在AI本身，而在工作方式。「好任務」須兼具語境(Context)、目標(Objective)與格式(Format):同樣一句「庫存太高怎麼辦」，純提問只得到教科書式建議，補上語境與格式，AI即能將散落各系統的資料讀齊、算清，直接產出可據以開會的決策清單。

以去識別化的製造情境示範，AI能於數十秒內將跨系統的晨間異常整合為一頁重點，辨識出多筆「看似獨立、實出同一批來料」的共同根因，並自動回溯銷售與成本資料拆解毛利主因，為每項結論標註來源、供一鍵查核——「它不是要你相信它，而是讓你能查它」；更能主動預警趨勢與斷料風險，以生成式儀表板供團隊即時共用。全程資料留於企業自有環境、唯讀接入、不外流亦不用於訓練，決策仍由人拍板——「重複的交給AI，判斷留給人」；當一次性交辦沉澱為組織可複製的規則，AI 便從工具進化為每天都在工作的協作夥伴。

Going Cloud解決方案開發部資深工程師Ting Zhang指出，全球Git推送量自2020年第1季的8,000餘萬次增至2026年第1季的3.2億次；試錯成本雖低，但修改代價高，AI仍無法承擔責任。因此Godot與tldraw相繼禁止AI生成PR，正反映治理的重要性。AI能力的定義已升級，重點已從Prompt轉向Harness：提供正確Context、透過Skills與MCP接入系統、設定Hooks驗證迴圈，確保輸出符法遵範。

為將Agent治理標準化，Going Cloud已將內部實踐整合為GCkit。透過TUI一鍵安裝模組化Bundles，並搭配RuleSync實現Kiro、Claude Code、Cursor的同步與追溯，讓AI規範由文件轉為預設值，治理成為可複製、可擴散的組織能力。GCkit以Model、工作流、共用元件、導入載體四層解耦，配合「追蹤→判斷→轉化」三步法，建立可持續演進的開發體制。

綜觀全局，生成式AI正推動產業從工具輔助走向代理執行，關鍵在於以集中治理驅動分散創新。Going Cloud與AWS以零外流架構為信任基石，結合任務交辦與規格驅動雙引擎，將重複工作交由Agent執行。

對製造業而言，挑戰不只導入模型，更在建立可長期運作的AI治理與協作機制。唯有將個人能力轉化為組織能力，才能打造安全、可信、能工作的AI團隊，推動智慧製造持續演進。

當企業仍在思考「AI好不好用」時，Going Cloud已率先回答下一個問題：如何讓一群AI Agent安全地成為你的同事。Agent不會取代人，卻將成為企業未來最重要的協作夥伴。